Метод, алгоритм и адаптивное устройство обработки изображений на базе КМОП-видеодатчиков с использованием нейроподобных структур тема диссертации и автореферата по ВАК РФ 05.13.05, кандидат наук Мишин, Александр Борисович

• Мишин, Александр Борисович
• кандидат наук
• 2015

Оглавление диссертации кандидат наук Мишин, Александр Борисович

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

1. МЕТОДЫ И УСТРОЙСТВА ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ 9 ИЗОБРАЖЕНИЙ В КМОП-ВИДЕОДАТЧИКАХ

1.1. Обзор и сравнительная характеристика параметров современных 9 видеодатчиков на КМОП-приемниках излучения

1.2 Функции предварительной обработки сигнала в КМОП-

видеодатчиках

1.3. Устройства фильтрации шума на изображениях с

использованием нейроподобных структур

Выводы

2. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ПРОЦЕССА ОБРАБОТКИ 33 ИЗОБРАЖЕНИЙ, ПОЛУЧАЕМЫХ С ПОМОЩЬЮ КМОП-ВИДЕОДАТЧИКА

Выводы

3. МЕТОДЫ И АЛГОРИТМЫ ПОВЫШЕНИЯ КАЧЕСТВА 44 ОБРАБОТКИ ИЗОБРАЖЕНИЙ, ПОЛУЧАЕМЫХ НА ОСНОВЕ КМОП-ВИДЕО ДАТЧИКОВ

3.1. Аппаратно-ориентированный алгоритм фильтрации изображений

3.2. Моделирование разработанного метода и алгоритма 54 Выводы

4. СТРУКТУРНО-ФУНКЦИОНАЛЬНАЯ СХЕМА АДАПТИВНОГО 70 УСТРОЙСТВА ОБРАБОТКИ ИЗОБРАЖЕНИЙ НА ОСНОВЕ КМОП-ВИДЕО ДАТЧИКОВ.

4.1. Устройство предварительной обработки изображений

4.2. Моделирование адаптивного устройства обработки изображений 81 Выводы

ЗАКЛЮЧЕНИЕ

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

Приложения

Введение диссертации (часть автореферата) на тему «Метод, алгоритм и адаптивное устройство обработки изображений на базе КМОП-видеодатчиков с использованием нейроподобных структур»

ВВЕДЕНИЕ

Актуальность. Одной из задач, требующих при практической реализации значительных аппаратных и временных ресурсов средств цифровой и вычислительной техники, является задача обработки изображений. Результаты исследований в данной области используются при цифровой обработке изображений в геоинформационных системах, в робототехнике, полиграфии, медицине, телекоммуникациях и т.п. В настоящее время для устройств цифровой обработки изображений характерно постоянное возрастание объема обрабатываемой информации, повышение требований к качеству обработки, работа в сложной сигнально-помеховой обстановке.

При передаче данных изображения, начиная от регистрации, заканчивая отображением или хранением, информация неизбежно подвержена влиянию множества систематических и случайных шумов. В КМОП-видеодатчиках, широко используемых в качестве источников изображения для устройств вычислительной техники и систем управления, на получаемое изображение влияют шумы различной природы, что вызывает необходимость использования операций повышения резкости, увеличения чувствительности, фильтрации (подавления шумов) и т. д.

Существующие алгоритмы фильтрации изображений часто оказываются неэффективными для реальных приложений и не позволяют обеспечить обработку в реальном масштабе времени. Высокая вычислительная сложность этих алгоритмов требует использования быстродействующих элементов или увеличения аппаратной сложности устройств.

В КМОП-видеодагчиках каждый фотопреобразующий элемент матрицы связан как с цифровой, так и с и аналоговой схемой обработки. Такая схема позволяет обрабатывать данные или непосредственно внутри пиксела или в схеме последующей обработки (например, на базе специализированного процессора) и выделять области интереса на изображении. Далее определяются недостатки изображения и либо исправляются с помощью соответствующих алгоритмов, либо изменяются параметры съемки видеодатчика и дается команда на повторное получение изображения.

Скорость выполнения ряда алгоритмов обработки может быть увеличена за счет параллельно-конвейерной организации вычислений и аппаратной реализации этих алгоритмов на параллельных структурах. Перспективным подходом для обработки изображений, получаемых с КМОП-видеодатчиков, считается использование нейроподобных структур. В качестве основных и наиболее значимых преимуществ методов такого подхода к обработке изображений можно выделить: возможность достижения более высокого показателя производительности для устройств вычислительной техники по сравнению со стандартными вычислительными средствами за счет параллелизма применяемых элементарных операций, возможность эффективного решения задач в условиях неполной априорной информации.

Таким образом, актуальной научно-технической задачей является разработка методов, алгоритмов и быстродействующих устройств, обеспечивающих улучшение качества изображения, получаемого с КМОП-видеодатчиков.

Диссертационная работа выполнена при содействии гранта Президента Российской Федерации по государственной поддержке ведущих научных школ Российской Федерации НШ-2357.2014.8 «Исследование и разработка комплексного анализа видеоизображений для задач управления сложными техническими системами па основе адаптивных нейро-нечегких систем вывода с мягкими вычислениями», а также гранта Президента Российской Федерации по государственной поддержке молодых российских ученых-кандидатов наук МК-2932.2013.8 «Разработка теоретических и реализационных основ создания адаптивных систем технического зрения на основе КМОП-видеодатчиков».

Цель диссертации: разработка метода и аппаратно-ориентированных алгоритмов фильтрации изображения, получаемого с помощью КМОП-видеодатчика, в режиме реального времени.

Задачи исследований:

- аналитический обзор методов и устройств фильтрации сигнала в КМОП-ви деодатч и ках;

- разработка математической модели процесса обработки изображений;

- разработка метода и алгоритмов повышения качества обработки изображений, получаемых на основе КМОП-видеодатчиков;

- разработка структурно-функциональной схемы адаптивного устройства обработки изображений на основе КМОП-видеодатчиков, проведение экспериментальных исследований, анализ полученных результатов.

Новыми научными результатами и положениями, выносимыми на защиту, являются:

1. Модифицированная математическая модель процесса обработки изображений, получаемых с помощью КМОП-видеодатчика, основанная на использовании нейросетевого подхода к предварительной обработке, позволяющая обеспечить распараллеливание процесса обработки изображения.

2. Метод и алгоритмы фильтрации изображений, получаемых с использованием КМОП-видеодатчика, позволяющие обеспечить снижение уровня шумов, основанные на использовании нейроподобпых структур.

3. Структурно-функциональная схема адаптивного устройства предварительной обработки изображений на основе КМОП-видеодатчика, обеспечивающая снижение уровня шумов и адаптацию к изменяющейся освещенности рабочей сцены в режиме реального времени за счет аппаратной реализации алгоритмов фильтрации изображения, отличающаяся введением блока нейросетевой обработки, конвейерпо-параллельной организации вычислений и использованием аппаратно-ориентированного алгоритма фильтрации изображения.

Объект исследований — методы и устройства обработки изображений на основе видеодатчиков.

Предмет исследований — методы, алгоритмы и устройства предварительной обработки изображений в КМОП-видеодатчиках.

Методы исследования. В работе использованы методы математического моделирования, методы цифровой обработки сигналов и изображений, теории нейронных сетей, теории параллельных вычислений.

Практическая ценность работы состоит в том, что ее результаты являются основой для создания широкого класса систем технического зрения,

позволяющих выполнять предварительную обработку изображения, обеспечивать адаптивную подстройку системы к изменяющимся условиям внешней освещенности в процессе получения изображения и могут использоваться при разработке систем технического зрения на базе КМОП-видеодатчиков для автоматизированных систем наблюдения, роботов па мобильной платформе, функционирующих в реальном масштабе времени.

Реализация и внедрение. Результаты, полученные в диссертационной работе, использовались в процессе проектирования комплекса инженерно-технических средств обработки изображений в ООО «Скинер», при проектировании оптико-электронной системы контроля безопасности ЗАО «Пасит», а также используются в учебном процессе в Юго-Западном государственном университете в рамках дисциплин «Современные проблемы науки и производства», «Цифровая обработка и анализ изображений».

Соответствие паспорту специальности. Согласно паспорту специальности 05.13.05 - Элементы и устройства вычислительной техники и систем управления, проблематика, рассмотренная в диссертации, соответствует пунктам 1 и 2 паспорта специальности (1. Разработка научных основ создания и исследования общих свойств и принципов функционирования элементов, схем и устройств вычислительной техники и систем управления в части разработки модели и принципов функционирования адаптивного устройства обработки изображений, получаемых с помощью КМОП-видеодатчиков; 2. Теоретический анализ и экспериментальное исследование функционирования элементов и устройств вычислительной техники и систем управления в нормальных и специальных условиях с целью улучшения технико-экономических и эксплуатационных характеристик в части разработки алгоритмов и устройств фильтрации изображения, обеспечивающих улучшение эксплуатационных характеристики устройства обработки изображений).

Апробацш1 работы. Основные положения диссертационной работы докладывались и получили положительную оценку на международных и российских конференциях: 8-й Всероссийской научно-технической конференции «Актуальные проблемы развития технологических систем

государственной охраны, специальной связи и специального информационного обеспечения» (Орел, 2013г.), Всероссийской научно-технической конференции студентов, аспирантов и молодых ученых «Научная сессия ТУСУР-2013» (Томск, 2013г.), 11-й Международной конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации. Распознавание-2013» (г. Курск, 2013г.), 6-й Всероссийской научно-практической конференции «Территориально-распределенные системы охраны» (Калининград, 2013г.), 4-й международной научно-практической конференции «Интеллектуальные системы в промышленности и образовании» (Сумы, 2013г.), а также на научно-технических семинарах кафедры «Вычислительная техника» Юго-Западного государственного университета с 2010 по 2014 гг.

Публикации. Основные результаты диссертации отражены в 11 печатных работах. Среди них 3 статьи, опубликованных в рецензируемых научных журналах, входящих в перечень журналов и изданий, рекомендуемых ВАК, а также 2 свидетельства о регистрации программы.

Личный вклад автора. В работах, опубликованных в соавторстве, лично соискателем предложены: в [2, 9, 11] - нейросетевые структуры и метод фильтрации изображений, получаемых с использованием КМОП-видеодатчиков, в [4, 5, 8] - алгоритмы обработки изображений, в [3] -принципы функционирования и структурные схемы блоков устройства обработки изображений на нейроподобных структурах.

Объем и структура работы. Диссертационная работа состоит из введения, четырех глав и заключения. Работа содержит 97 страниц основного текста, в том числе 35 рисунков, 5 таблиц, список использовапных источников из 99 наименований.

Во введении обоснована актуальность, сформулированы цель и задачи исследования, представлены положения, выносимые на защиту, научная новизна и практическая ценность работы.

В первой главе проведен анализ методов и устройств предварительной обработки сигнала, в частности, устройств фильтрации, в видеодатчиках.

Определено, что одним из перспективных направлений решения задач пространственно-временной фильтрации и улучшения качества получаемых изображений является синтез алгоритмов адаптивной фильтрации на основе нейросетевых технологий.

Во второй главе описаны математические аспекты фильтрации цифровых изображений, предложены несколько вариантов структуры нейронных сетей для реализации задачи цифровой фильтрации изображений. Рассмотрена модифицированная математическая модель процесса обработки изображений, получаемых с помощью КМОП-видеодатчиков. Описан алгоритм обучения многослойных нейронных сетей.

В третьей главе рассмотрены метод и алгоритмы повышения качества обработки изображений, получаемых на основе КМОП-видеодатчиков, проведено моделирование предложенных алгоритмов, обоснован выбор нейросетевой структуры для фильтрации изображений.

В четвертой главе предложена структурная схема фильтра цифровых полутоновых изображений, структурно-функциональная схема адаптивного устройства обработки изображений на основе КМОП-видеодатчиков, обеспечивающая снижение уровня шумов и адаптацию к изменяющейся освещенности рабочей сцены в режиме реального времени.

В заключении сформулированы основные результаты диссертационной работы.

1. МЕТОДЫ И УСТРОЙСТВА ПРЕДВАРИТЕЛЬНОЙ ОБРАБОТКИ ИЗОБРАЖЕНИЙ В КМОП-ВИДЕОДАТЧИКАХ

В настоящее время в цифровой фото- и видеоаппаратуре, используемой для построения устройств вычислительной техники и систем управления с использованием технического зрения, наряду с традиционными ПЗС-видеодатчиками, где в качестве светочувствительных элементов используются матрицы на основе приборов с зарядовой связью (ПЗС-матрицы), широко используются датчики, построенные на основе КМОП-приемников излучения (комплементарных структурах металл-окисел-полупроводник, CMOS Complementary Metal Oxyde Semiconductor) [12-14].

Видеодатчики на базе КМОП-приемников излучения (ПИ) позволяют размещать схемы обработки на чипе с фотоприемной матрицей, реализуют возможность произвольной выборки строк и столбцов, конкурентоспособны по сравнению с ПЗС по значениям шума считывания, динамическому диапазону и чувствительности, обладают пониженной потребляемой мощностью (10...50 мВт), большими функциональными возможностями, и более низкой стоимостью [13]. КМОП-матрицы могут быть изготовлены почти на любом стандартном кремниевом конвейере (поскольку используется стандартная технология производства, используемая также при производстве большинства микропроцессоров), и поэтому стоимость их изготовления ниже, чем ПЗС-матриц [13].

Рассмотрим группы методов и устройств обработки изображений, применяемые в КМОП-видеодатчиках.

1.1. Обзор и сравнительная характеристика параметров современных видеодатчиков на КМОП-приемниках излучения

Типовые структуры КМОП-видеодатчиков широко рассмотрены в [1317]. Фотоприемная матрица состоит из двумерной матрицы ячеек на основе

фотодиодов или фототранзисторов, чувствительных к свету. Ячейки соответствует элементам изображения (пикселям). В матрице пикселей выделяют строки, которые выбираются при чтении с помощью сдвигового регистра или дешифратора (декодера). Считывание выполняется по шинам столбца, которые подключают строку пикселей к блоку аналоговой обработки. В блоке аналоговой обработки выполняются накопление заряда, усиление, выборка и хранение, двойная коррелированная выборка и подавление шума (рис. 1.1).

Схема выбора < строк

Схема

синхроншацни -{ н управления

Цифровой выход

<

Матрица активных ^ фотоприемных

ячеек

Процессоры аналогового ентнала (ПАС)

3" АЦП

^У Схема выбора столбцов

Рис. 1.1. Схема КМОП-видеодатчика с аналого-цифровой обработкой

В зависимости от структурной организации фотоприемной ячейки приемника излучения (ПИ) выделяют несколько основных типов архитектур КМОП-видеодатчиков [12-14]. Кратко рассмотрим особенности этих архитектур.

Схема пассивной ячейки фотодиодного типа состоит из фотодиода и транзистора выборки. Такая конфигурация позволяет достичь самого большого значения коэффициента заполнения для определенного размера пикселя, однако не позволяет изменять размеры матрицы в сторону увеличения и обеспечить повышение скорости считывания ячеек, в связи с повышением

шума считывания. Высокий уровень шума считывания, собственно, и является основной проблемой схемы с пассивной ячейкой [13, 14].

Более высокое качество получаемого изображения обеспечивает фотоприемная КМОП-матрица с активными ячейками фотодиодного типа. Активная ячейка фотодиодного типа может использоваться в большинстве приложений, не связанных с высококачественной обработкой. Уменьшение фоточувствительной области компенсируется увеличением коэффициента усиления преобразования. Значение отношения сигнал/шум уменьшается с уменьшением размеров пикселя, и баланс соотношений достигается за счет изменения динамического диапазона, коэффициента преобразования заряда в напряжение, коэффициента заполнения пикселя [13].

В последнее время в КМОП-видеодатчиках используются схемы КМОП-ПИ с активным цифровым пикселем, в которых каждый светочувствительный элемент содержит память и аналого-цифровой преобразователь (АЦП) (рис. 1.2). В процессе считывания изображения оцифровка сигнала происходит параллельно для всех светочувствительных элементов матрицы, что позволяет увеличить скорость считывания [12-14].

и 2>

а!

ЗР

га

)

Выход

н

ч—

р

2>

т

а

те

в

чп

ш

5 ^

О

~ О

~ и

В

'Ц

5Е

Мудич милекеир п'рп'шшплмтп ратср! к и

Рис. 1.2. КМОП-видеодатчик с активным цифровым пикселем

Как видно из схемы, в таких видеодатчиках в каждый пиксель интегрированы как усилитель, так и память и АЦП. Для обеспечения синхронизации частота преобразования АЦП устанавливается равной кадровой частоте фотоприёмника.

В настоящее время производители выпускают датчики изображения с разрешением 3264x2448 и частотой кадровой развертки сенсоров до 2500 кадров в секунду при разрешении 512x512, а также датчики с размером пикселя от 2,2x2,2 мкм [12, 18-29].

Перечислим некоторые параметры КМОП-матриц, влияющие на получаемое изображение: размерность (количество столбцов на число строк), разрешающая способность (плотность светочувствительных ячеек матрицы), размер ячейки, размер объектива, количество черных точек, коэффициент заполнения (отношение площади фоточувствительной области ячейки ко всей площади ячейки), чувствительность.

Другими важными характеристиками видеодатчиков являются архитектура и форматы видеоданных.

С точки зрения выбора архитектур для большинства мобильных применений используются системы на кристалле (8у51ет-Оп-а-СЫр) - системы обработки информации, имеющие функции программирования и конфигурирования камеры в зависимости от области возможного использования, содержащие, как правило, спецпроцессор для анализа и коррекции изображений [13]. Другой подход к разработке устройств вычислительной техники и систем управления с техническим зрением на базе видеодатчиков - использование внешних процессоров общего или специализированного назначения, а также схем цифровой обработки сигналов.

Типовая технология изготовления обеспечила возможность интеграции КМОП-видеодатчиков и устройств обработки и хранения, что также позволило вынести часть функций по обработке сигнала в видеосистеме из спецвидеопроцессора непосредственно в схему датчика изображения [13].

При использовании внешних схем обработки имеет значение формат видеоданных, в связи с чем выходные характеристики видеодатчиков

стандартизированы и сконфигурированы с расчетом на определенные типы стандартных дисплеев (телевизионные стандарты: PAL - формат изображения 4:3, 625 линий в кадре, частота 50 Гц, 25 кадров/с; NTSC — формат изображения 4:3, 525 линий в кадре, 60 Гц, 30 кадров/с; стандарты дисплеев: VGA - стандарт изображений компьютерных мониторов, разрешение 640x480 точек, 16 цветов, частота обновления до 70 Гц, ITU-R ВТ.656 (YCbCr), прогрессивный или чересстрочный - 8-битный цифровой формат выходных данных камеры YCbCr или YUV 4:2:2) [13,21].

В современных КМОП-видеодатчиках, как показывает проведенный анализ, для получения и обработки выходного сигнала изображения в зависимости от формы обрабатываемых данных используется множество аналоговых, аналого-цифровых и цифровых блоков. В дальнейшем будем рассматривать устройства, ориентированные на цифровую обработку сигнала. Основные разработчики и производители КМОП-видеодатчиков - это такие компании, как SONY, Micron, PixelPlus Cypress, Aptina, OmniVision, Fill Factory, Kyosera, Kodak, Philips, AMI Semiconductor и другие [19, 20-29]. Рассмотрим некоторые модели видеодатчиков и устройства для предварительной обработки изображений на их основе.

Известны видеодатчики фирмы Micron (например, MT9V125) [22] (рис. 1.3) для видеосистем предупреждения водителя с двойным электронным затвором, обеспечивающие захват видео в условиях низкой освещенности и яркого света. Параметры датчика: 25 к/с (стандарт PAL, 50Гц), время накопления заряда 33 мс (NTSC) и 40 мс (PAL). Датчик обеспечивает передачу выходных данных в последовательном и параллельном цифровом формате (CCIR 656), строковое прогрессивное или чередующееся считывание цифрового сигнала, реализована программная гамма-коррекция, программный контроль усиления, экспозиции, оконного режима, частоты кадров, АЦП, автоматические функции баланса белого, опорного черного, коррекция насыщения и другие функции.

Видеодатчик MT9V022 обеспечивает также получение изображения за счет уменьшения разрешения посредством объединения пикселей и

последующим усреднением сигналов от смежных пикселей, что, по оценкам производителя, позволяет увеличить отношение сигнал/шум, уменьшить разрешение и увеличить частоту кадров, соответственно, до 4 раз. Динамический диапазон видеодатчика более 70 дБ [22].

Ьс1 овголс»

С ojcpef-ov

миомам •mf.fi ^VOS («

итю I

«¡¿eot»ход у» А>->•

яЁк.^—4— О »»«««. ктзс/РА«.;

©4->в

>5

I СОЯ»

ЦОС SITSC/PAL »»•»од

Рис. 1.3. Схема видео датчика с цифровой обработкой видеосигнала (А - цифровой видеовыход; В - обработанный видеосигнал; С -мультиплексирование обработанного и необработанного видеосигнала; О

обработанный видеосигнал)

Компания OmniVision Technologies Inc. также занимается разработкой видеодатчиков для различных применений на основе КМОП-технологии (OV7940 и другие) [20, 23]. Динамический диапазон видеодатчиков - 50 дБ, отношение сигнал/шум до 47 дБ, чувствительность (усиление) до 40 дБ. Реализуемые операции по обработке сигнала изображения: автоэкспозиция, усиление, автоматический контроль баланса белого, устранение эффекта «битых» пикселей. Программирование видеодатчиков осуществляется с использованием интерфейса Serial Camera Control Bus (совместим с I2C).

Видеодатчик ACM 100-1 (Cypress) также обладает схожими функциями и представляет возможности программирования и конфигурации. Модуль АСМ100-1 состоит из датчика изображений, процессора, линзы, корпуса. Обеспечивает выполнение следующих операций: коррекция изображения, контроль экспонирования [23].

Известен датчик изображения MANO-9600 (ON Semiconductor), ориентированный на использование в биометрических приложениях с высокой скоростью обработки данных [25]. Параметры: разрешение 9,6 мегапикселей (3840x2500 пике.), 20 к/с, соотношение сигнал/шум 41 дБ, встроенный 10-

битный АЦП, 4-каналыюго LVDS интерфейс, программирование через последовательный интерфейс SPI, мощность потребления 500 мВт при частоте 20 к/с (200 мВт при 5 к/с).

На рынке видодатчиков представлены и отечественные разработки (пока, к сожалению, с использованием КМОП-матриц иностранных производителей) [26, 27]. Так, видеодатчик MG-560M на базе КМОП-сенсора компании e2v предназначен для широкого круга применений и различных условий эксплуатации и имеет следующие характеристики: разрешение 1.3 Мп, формат 1/1.8, черно-белый, размер матрицы 6.9x5.5 мм, количество эффективных пикселей 1280x1024, размер пикселя 5.3x5.3 мкм, динамический диапазон 66 Дб в стандартном режиме и 100 Дб в режиме расширенного динамического диапазона, частота кадров 50 Гц (в режиме обеспечения расширенного динамического диапазона 25 Гц). Реализуемые функции: биннинг, прореживание, коррекция дефектных пикселей, коррекция шума, двойная коррелированная выборка (ДКВ), ручная и автоматическая регулировка параметров, интерфейс передачи информации - Ethernet 100/1000.

Высокоскоростной КМОП-видеодатчик CMV2000 (CMOSIS), в отличие от некоторых рассмотренных, имеет конвейерную кадровую архитектуру, что обеспечивает выполнение экспозиции во время считывания предыдущего кадра, а также позволяет осуществлять ДКВ, значительно уменьшающую долю шумов и темновых токов в полезном сигнале [28, 29]. Характеристики: разрешение 2048x1088, размер пикселя 5,5x5,5 мкм, выходы LVDS, программирование - SPI. Поддерживает операции частичного считывания, режима субдискретизации и оконного режима.

Характеристики некоторых моделей видеодатчиков представлены в таблице 1.1 [19,20,22, 24].

Таблица 1.1. Сравнительные характеристики КМОП-видеодатчиков

Модель видсодатчика (фирма) Оптический формат Разрешени е (гор. х верт., пике.), Размер пике., мкм Динами ч. Диапазо н, дБ Потребл . Мощи., мВт Напр. пит., В

ADCS-2021 (Agilent) 1/3 (цветной) 640x480 7.4x7.4 65 150 3.3

CMV2000 (CMOSIS) 2/3 (цветной) 2048x1088 5.5x5.5 60 600 1.8-3.3

MT9C133WOOST (Micron) 1/7 (цветной) 352x288 5.6x5.6 65 45 2.8

OmniVision OV2710 (OmniVision) 1/3 (цветной) 1920x1080 3.0x3.0 69 1.7-3.3

Aptina MT9P01 (Aptina) 1/2.5 (цветной) 2592х 1944 2.2x2.2 70 1.7-3.3

Aptina AR0330 (Aptina) 1/3 (цветной) 2304x1296 2.2x2.2 72.4 1.7-3.3

LM9618 (National) 1/3 (оттенки серого) 648x488 7.5x7.5 110 120 3.3

LM9648 (National) 1/2 (цветной) 1032x1288 6x6 57 150 3.3

В настоящее время ведутся разработки новых КМОП-видеодатчиков для мобильных устройств. Основными тенденциями при разработке новых микросхем является повышение разрешения (до 20 мегапикселей), уменьшение размеров, расширение функциональности, повышение производительности [31].

1.2 Функции предварительной обработки сигнала в КМОП-видеодатчиках

Как отмечено выше, в настоящее время наблюдается тенденция к расширению функций предварительной обработки в видеодатчиках в целях получения изображения лучшего качества. Расширение функций систем технического зрения на базе КМОП-видеодатчиков позволяет увеличить область их промышленных применений и предполагает возможность

программирования видеодатчика в соответствии с учетом особенностей области использования на основе собственных алгоритмов обработки изображений.

Блоки обработки информации в видеодатчиках выполняют различные функции.

Так, известно устройство [20], предназначенное для телевизионных систем охранной сигнализации и контроля технологических процессов (рис. 1.4). Устройство содержит блок оптического приема изображения на основе КМОП фотоэлектрического преобразователя с бегущим электронным затвором, контроллер, первый и второй блоки памяти изображения, многоканальный корреляционный анализатор, блок хранения фонового кадра и вычислительный процессор с возможностью сортировки пикселей изображений фона и движущихся объектов и преобразования координат пикселей движущихся объектов. Устройство позволяет повысить точность формирования изображения движущихся объектов за счет анализа опорного и корректирующего изображений с последующим расчетом координат элементов изображения, в котором отсутствуют геометрические искажения движущихся объектов.

Список литературы диссертационного исследования кандидат наук Мишин, Александр Борисович, 2015 год

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Мишин, А.Б. Фильтрация изображений с использованием иейросети [Текст] / А.Б. Мишин // «Телекоммуникации», №13, 2012. - С. 10-14.

2. Мишин, А.Б. Выбор структуры нейросетевого фильтра для обработки цифровых изображений [Текст] / А.Б. Мишин, П.Ю. Ткачев // «Известия Юго-Западного государственного университета». Серия Управление, вычислительная техника, информатика. Медицинское приборостроение. 2013 г. №3.4.1. С. 14-18.

3. Мишин, А.Б. Устройство обработки изображения, полученного матрицей КМОП датчика с использованием счетчика времени накопления заряда [Текст] / А.Б. Мишин, Н.С. Иванов, B.C. Панищев // «Известия Юго-Западного государственного университета». Серия Управление, вычислительная техника, информатика. Медицинское приборостроение. 2014 г. №4. С.30-35.

4. Программа для обработки изображений от IP-камеры / А.Б. Мишин, М.И. Булаев, М.А. Килимов, B.C. Панищев // Свидетельство о государственной регистрации программы для ЭВМ №2014614112.

5. Программа для построения панорамных изображений в интернет-браузере / А.Б. Мишин, К.С. Калугин, B.C. Панищев // Свидетельство о государственной регистрации программы для ЭВМ №2014617363.

6. Мишин, А.Б. Аппаратно-ориентированный алгоритм пространственной фильтрации изображений [Текст] / А.Б. Мишин // Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации. Распознавание-2013: сб. матер. XI Междунар. науч.-техн. конф.; Юго-Западный гос.ун-т. Курск, 2013.-С.410-412.

7. Мишин, А.Б. Фильтрация изображения с использованием систолической структуры [Текст] / А.Б. Мишин // Научная сессия ТУСУР-2013: сб. матер. Всероссийской научно-технической конференции студентов, аспирантов и молодых ученых 4.2. Томск, 2013. - С.31-32.

8. Мишин, А.Б. Подходы к разработке алгоритма обнаружения и сопоставления характерных точек при движении видеосенсора [Текст] / А.Б.

Мишин, A.B. Полунин // Актуальные проблемы развития технологических систем государственной охраны, специальной связи и специального информационного обеспечения: сб. матер. 8-й Всероссийской научно-технической конференции. 4.10. Орел, 2013, С. 60-62.

9. Мишин, А.Б. Варианты организации фильтров цифровых изображений на основе нейронных сетей [Текст] / А.Б. Мишин, A.B. Полунин // Актуальные проблемы развития технологических систем государственной охраны, специальной связи и специального информационного обеспечения: сб. матер. 8-й Всероссийской научно-технической конференции. 4.10. Орел, 2013, С. 57-59.

10. Мишин, А.Б. Варианты построения фильтров цифровых изображений с использованием нейронных сетей различной сложности [Текст] / А.Б. Мишин // Территориально-распределенные системы охраны: тезисы Всероссийской научно-практической конференции. Калининград, 2013. - С.31-32.

11. Мишин, А.Б. Программный модуль обработки изображения с IP-камеры [Текст] / А.Б. Мишин, М.А. Килимов, М.И. Булаев // Интеллектуальные системы в промышленности и образовании: тезисы докладов Четвертой международной научно - практической конференции. Сумы: Издательство СумГу, 2013. С.45-46.

12. Добрусенко С. CCD&CMOS матрицы и модули фирмы Pixelplus Co. Ltd. совмещенные с видеопроцессором на одном кристалле [Текст] / С. Добрусенко // Радиокомпоненты. 2005. - №6.- С.30-32.

13. Твердотельная революция в телевидении: Телевизионные системы на основе приборов с зарядовой связью, систем на кристалле и видеосистем на кристалле [Текст] / В.В. Березин, A.A. Умбиталиев, Ш.С. Фахми, А.К. Цыцулин, H.H. Шипилов; под ред. A.A. Умбиталиева и А.К. Цыцулина. - М.: Радио и связь, 2006. - 300с.

14. Титов, B.C. Адаптивные видеодатчики на базе КМОП приемников излучения с активными пикселями [Текст] / В.С.Титов. В.С.Яковлева, В.С.Панищев // КурскГТУ. - Курск. - 2008 - 100 с.

15. Пат. 5883830 США, МКИ G 11 С 11/34; G 11 С 11/36. CMOS imaging device with integrated flash memory image correction circuitry [Text] / R. Hirt, M. Rollender - № 855658; заявлено 13.05.1997; опубл. 16.03.1999.- 12c.

16. Marston, N. Solid-state imaging: a critique of the CMOS sensor N. Marston [Text] / - Edinburgh: The University of Edinburgh, 1998. -263 p.

17. Пат. 6115066 США, МКИ H 04 N5/217. Image sensor with direct digital correlated sampling [Text] / S.M. Gowda, H.J. Shin, H-S.P. Wong, P.M. Xiao, J. Yang - № 876694; заявлено 12.06.1997; опубл. 05.09.2000. - 12c.

18. Бирюков E. Эволюция датчиков изображения: от ПЗС к КМОП [Текст] / Е. Бирюков // «Компоненты и технологии», №10, 2007. - С. 24-27.

19. Информационный портал по КМОП-сенсорам компании Micron Technology http://www.micron.com

20. Информационный портал по КМОП-сенсорам компании OmniVision http://www.ovt.com

21. Самарин А. Стандарты цифровых видеоинтерфейсов [Текст] / А. Самарин // «Компоненты и технологии», №2, 2006. - С. 10-18.

22. Стемпковский, А. КМОП-фотодиодные СБИС. Перспективная элементная база однокритсальных систем приема и обработки информации [Текст] / А. Стемпковский, В. Шилин // Электроника: Наука, Технология, Бизнес. 2003. - №2. - С. 14-20.

23. Информационный портал компании Cypress http://www.cypress.com/

24. Информационный портал компании Aptina www.aptina.com/products/image sensors/

25. Информационный портал компании ON Semiconductor http://www.onsemi.ru.com

26. http://www.mips.ru/ru-RU/news/2768.aspx

27. http://fastvideo.ru/products/camera/high-speed-videocamera.htm

28. Willems, Р. КМОП-сенсоры на пути постоянного роста [ресурс Интернет] / P. Willems, пер. А. Шведов // http://www.npk-photonica.ru/images/kmop-sensory-na-puti-postoyannogo-rosta-pdfl 43959.pdf

29. Информационный портал компании CMOSIS http://www.cmosis.com/products/standard products/cmv2000

30. http://www.3dnews.ru/tags/cmos

31. Пат. № 2389153 РФ, МПК H04N5/335 G06K9/36. Формирователь изображения [Текст] / В.В. Багров, А.Е. Рычажников. -№2008143871; заявлено 05.11.2008; опубл. 10.05.2010, Бюл. №13. - 12с.

32. Пат. № 2486688 РФ, МПК H04N5/232. Видеосистема на кристалле для стабилизации изображения [Текст] / А.К. Цыцулин, Ш.С. Фахми, Д.О. Малашин. - №2012100577/07; заявлено 10.01.2012; опубл. 27.06.2013, Бюл. №18. - 8с.

33. Marston, N. Solid-state imaging: a critique of the CMOS sensor N. Marston [Text] / - Edinburgh: The University of Edinburgh, 1998. -263 p.

34. Пат. 5883830 США, МКИ G 11 С 11/34; G 11 С 11/36. CMOS imaging device with integrated flash memory image correction circuitry [Text] / R. Hirt, M. Rollender - № 855658; заявлено 13.05.1997; опубл. 16.03.1999. - 12c.

35. Пат. 7061524 США, МКИ Н 04 N 5/228. Motion/saturation device and method for synthesizing high dynamic range motion blur free images from multiple capture. [Text] / X.Liu, A. El Gamal - № 09/992408; заявлено 13.11.2001; опубл. 13.06.2006.-23 с.

36. Dierickx, В. CMOS image sensors: Concepts. [Text] / В Dierickx // Photonics West 2000 Short Course, San Jose, CA, 2000. - 64p.

37. Ицкович, Э.Л. Современные интеллектуальные датчики общепромышленного назначения, их особенности и достоинства / Э.Л. Ицкович // Датчики и Системы. -2002. №2. - С. 42.

38. Shin, М.С.; Goldgof, D.B.; Bowyer, K.W.; Nikiforou, S.; Comparison of edge detection algorithms using a structure from motion task, Systems, Man and Cybernetics, Part B, IEEE Transactions on Volume 31, Issue 4, Page(s):589-601, Aug. 2001.

39. Gallant M. An Efficient Computation-Constrained Block-Based Motion Estimation Algorithm for Low Bit Rate Video Coding [Text] / M. Gallant et al. // IEEE Transactions on Image Processing, vol. 8, no. 12, Dec. 1999.

40. Tian, H. Noise analysis in CMOS image sensors [Text] / H. Tian - Stanford: Stanford University, 2000 - 114 p.

41. Ting, C. Digital camera system simulator and applications [Text] / C. Ting -Stanford: Stanford University, 2003 - 116 p.

42. Suk, H.L. Video processing applications of high speed CMOS image sensors [Text] / H.L. Suk - Stanford: Stanford University, 2003 - 90 p.

43. Brent, B. A mixed-signal CMOS VLSI image convolution circuit using error spectrum shaping [Text] / B. Brent - Georgia Institute of Technology, Atlanta, Georgia, 2001 - 161 p.

44. Marston, N. Solid-state imaging: a critique of the CMOS sensor N. Marston [Text] / - Edinburgh: The University of Edinburgh, 1998. -263 p.

45. Liu, X. Photocurrent Estimation from Multiple Nondestructive Samples in a CMOS Image Sensor [Text] / X. Liu, A. El Gamal // Proceedings of SPIE, San Jose, CA - 2001. - Vol. 4306. - pp. 450-458.

46. Ященко B.A. Рецепторно-эффекторные нейроподобные растущие сети эффективное средство моделирования интеллекта. I, II - // Кибернетика и сист. анализ № 4, 1995. С. 54 - 62, № 5, 1995. С. 94 - 102.

47. Куприянов, М.С. «Цифровая обработка сигналов: процессоры, алгоритмы, средства проектирования» [Текст] / М.С. Куприянов, Б.Д. Матюшкин - СПб.: «Политехника», 1999. - 142 с.

48. Каляев А.В., Галуев Г.А. Нейрокомпыотерные СБИС-системы параллельной обработки зрительной информации. Электронное моделирование. - Киев: Наукова Думка, 1989, №3, с.З - 6.

49. Калинкина, Д. Проблема подавления шума на изображениях и видео и различные подходы к ее решению [ресурс Интернет] / Д. Калинкина, Д. Ватолин // Электронный журнал «Графика и мультимедиа»; http://cgm.graphicon.ru/content/view/74/28/. - 2005. - № 2.

50. Гонсалес, Р. «Цифровая обработка изображений» [Текст] / Р. Гонсалес, Р. Вудс -М.: «Техносфера», 2005. - 1073 с.

51. Прэтт, У. Цифровая обработка изображений: В 2-х кн. [Текст] / Прэтт У.; пер. с англ. под ред. Д.С. Лебедева. - М.: Мир, 1982. - 2 кн., 790 с.

52. Даджон, Д. «Цифровая обработка многомерных сигналов» [Текст] / Д. Даджон, Р. Мерсеро - М: «Мир», 1988. - 488с.

53. Яковлева, В. С. Адаптивный видеодатчик с пространственно-временной фильтрацией на базе КМОП приемника излучения с активными пикселями. : дис. канд. техн. наук: 05.13.05 Курск, 2006 116 с.

54. Методы компьютерной обработки изображений [Текст] / Под ред. В.А. Сойфера. - М.: Физматлит. - 2001. - 784 с.

55. Collins, R. Т. A system for video surveillance and monitoring [Text]/ R. T. CollinsM, A. J. Lipton, T. Kanade, H. Fujiyoshi, D. Duggins, Y. Tsin, D. Tolliver, N. Enomoto, O. I lasegawa, P. Burtl and L. Wixson // the robotics institute, carnegie mellon university, Pittsburgh PA 1 the sarnoff corporation, Princeton, NJ.

56. Zivkovic, Z. Improved adaptive gaussian mixture model for background subtraction [Text]/ Z. Zivkovic // intelligent and autonomous systems group university of Amsterdam, the Netherlands.

57. Методы корреляционного обнаружения объектов. / А.В. Гиренко, В.В. Ляшенко, В.П. Машталир, Е.П. Путятин. // Харьков: АО "БизнесИнформ", 1996. 112 с.

58. Zelnikmanor, L. Multi-frame estimation of planar motion./ L. Zelnik-Manor and M. Irani // IEEE Trans. Pattern Anal. And Machine Intelligence, 22(10):1105— 1116, 2000.

59. Maritaoglu, I. W4: who, when, where, what: A real time system for detecting and tracking people [Text]/ I. Haritaoglu , D. Harwood, and L. Davis // Third face and gesture recognition conf., pp. 222-227, 1998.

60. Senching, S. Robust techniques for background subtraction in urban traffic video [Text]/ S. Senching, and C. Kamath // center for applied scientific computing lawrence livermore national laboratory 7000 east avenue, livermore, CA 94550.

61. Zivkovic, Z. Motion detection and object tracking in image sequences [Text]/ Z. Zivkovic -M.: Ph. D thesis.

62. Elgammal, A. Non-parametric model for background subtraction [Text]/ A. Elgammal, D. Harwood, L. Davis // computer vision laboratory university of maryland, college park, MD 20742, USA.

63. Patwardhan, К. A. A pixel layering framework for robust foreground detection in video [Text]/ K. A. Patwardhan, G. Sapiro and V. Morellas// electrical and computer engineering and IMA, university of minnesota, minneapolis, MN 55455.

64. Alan M. M., Background Subtraction Techniques [Text]/ Alan M. M. //Reveal Ltd, PO Box 128-221, Remuera, Auckland, New Zealand.

65. Thanarat, H. C. A Perturbation Method for Evaluating Background Subtraction Algorithms [Text]/ H. C. Thanarat, K. Kyungnam, H. David //Larry Davis Faculty of Information Technology,King Mongkut's Institute of Technology, Ladkrabang Bangkok 10520 Thailand, Computer Vision Lab, UMIACS. University of Maryland, College Park, MD 20742, USA.

66. Минтчелл, Гэри A. (Gary A. Mintchell). Средства и системы компьютерной автоматизации. Пришла пора интеллектуальных датчиков / Гэри А. Минтчелл // Control Engineering. 2002. - №1. - С. 56-59.

67. Т. Bernard Processing Images in the Focal Plane for Perception Applications. Keynote presentation at the International Congress of Imaging Science, Antwerp, Belgium, September 7-11,1998.

68. R. Forchheimer et al., "MAPP2200: A second generation smart optical sensor," Proc. SPIE, Vol.1659, Image Processing and Interchange, Feb. 1992.

69. Горбань, А. Нейронные сети на персональном компьютере [Текст] / А. Горбань, Д. Россиев. Новосибирск: Наука, 1996. С. 60-63.

70. Уоссермен, Д. Нейрокомпыотерная техника [Текст] / М. Мир , 1992.

71. Том, М. Итоги науки и техники: физические и математические модели нейронных сетей [Текст]/ М. Том, изд. ВИНИТИ, 1990.

72. Головко, В.А. «Нейронные сети: обучение, организация и применение» Кн. 4: Учеб.пособие для вузов [Текст] / В.А. Головко, под ред. А.И. Галушкина. - М.: ИПРЖР, 2001. - 256с.

73. Ширма, А.А. Использование параллельных вычислений в алгоритмах обучения и работы искусственной нейронной сети [Текст] / А.А. Ширма, В.А. Чулюков // Современные проблемы науки и образования. 2013 г. - №6.

74. Гонтаренко Б.В., Беловолова М.А., Зинченко Ю.Е. Реализация искусственного нейрона на FPGA // 1нформацшш управляюч! системи та

комп'ютерний мошторинг (1УС та КМ-2012) / Матер1али III м1жнародно1 науково-техшчноУ конферепф! студенев, асшрашчв та молодих вчених. -Донецьк, ДонНТУ, 2012. - с. 586-590.

75. Amos г. о., Jagath с. г. FPGA implementations of neural networks // Springer. 2006 г. - 360p

76. Лукин, В.В. Адаптивная фильтрация РСА-изображеиий с использованием нейросетевых детекторов границ [Текст] / В.В. Лукин, А.В. Науменко, С.С. Кривенко // Радюелектронш i комп'ютерш системи, 2012, № 4 (56), с. 121-126.

77. Осовский С. Нейронные сети для обработки информации [Текст] / С. Оссовский; Пер. с польского И.Д. Рудинского. - М.: Финансы и статистика, 2002.-344 с.

78. Новая DSP-архитектура NeuroMatrix и традиционный RISC - единое вычислительное ядро процессора NM6403 [Электронный ресурс] // http://www.osp.ru/os/1999/05-06/04.htm - 2002г.

79. Пат. 6513023 США, МКИ G 06 N 3/02. Artificial neural network with hardware training and hardware refresh [Text] / Tuan A. Duong. - №09/412199; заявлено 01.10.99; опубл. 28.01.2003.- 13c.

80. Пат. 6434541 США, МКИ G 06 F 15/18. Automotive engine misfire detection system including a bit-serial based recurrent neuroprocessor [Text] / Raoul Tawel, Nazeeh Arankl, Lee A. Feldkamp, Gintaras V. Puskorius, Kenneth A. Marko, John V. James. - №09/284843; заявлено 23.10.97; опубл. 13.08.2002. - 14c.

81. Пат. 6389404 США, МКИ G 06 F 15/18;G06G7/00. Neural processing module with input architectures that make maximal use of a weighted synapse array [Text] / John C. Carson, Christ H. Saunders. - №09/223476; заявлено 30.12.98; опубл. 14.05.2002,- 11c.

82. Пат. 6199057 США, МКИ G 06 F 15/18. Bit-serial neuroprocessor architecture [Text] / Raoul Tawel. - №08/956890; заявлено 23.10.97; опубл. 06.03.2001.- 1 lc.

83. Пат. 5999992 США, МКИ G 06 F 15/18. Neuroprocessing service [Text] / Takehiko Tanaka, Masayuki Yokohono. - №08/451772; заявлено 26.05.95; опубл. 07.12.1999.-49c.

84. Пат. 5504839 США, МКИ G 06 F 15/18. Processor and processing element for use in a neural network [Text] / George E. Mobus. - №297524; заявлено 29.08.94; опубл. 02.04.1996. - 149c.

85. Шахнов, В. Нейрокомпьютеры - архитектура и реализация. 4.1, 42, 43. [Текст] / А. Власов, А. Кузнецов, В. Шахнов // Новости микроэлектроники. №6,№7, №8, 2000 г.

86. Marguerat, С. Artificial neural network algorithms on a parallel DSP system. In: Transputers'94 Advanced research and industrial applications [Text] / C. Marguerat. // Proc. Of the International conf 21-23 Sept. 1994. IOS Press 1994, pp. 278-287.

87. Yasunga, M. Msuda, N. Yagyu, M. etc. Design, Fabrication and Evaluation of a 5-Inch Wafer Scale Neural Networks LSI Composed of 576 Digital Neurons [Text] / M. Yasunga, N. Msuda, M. Yagyu, // Proc. Int. Joint Conf. on Neural Networks IJCNN"90 June 1990. - pp. 105 - 111.

88. Alspector, J. Experimental Evaluation of Learning in a Neural Microsystem [Text] J. Alspector // Proc. Of NIPS"91 in Advances in Neural Information Processing Systems-4 J. Alspector, T. Jayakumar, Morgan-Kaufmann Pub., San Mateo, CA, 1992. - pp. 871-878.

89. Panishchev, V.S. Application of neural networks for the contour extraction in images [Text]/ V.S. Panishchev, V.S. Titov // Pattern Recognition and Image Analysis. -2005. -Vol. 15, № 2. - P. 281-282.

90. Пат. № 2028670 РФ, МПК G06G7/60. Нейроподобная модель для анализа изображений [Текст] / В.В. Борисов. -№5058377/24; заявл. 10.08.1992; опубл. 09.02.1995.

91. Иванов, В.П., Трехмерная компьютерная графика [Текст] / В.П. Иванов, А.С. Батраков, под ред. Г.М. Полищука. - М.: Радио и связь, 1995. - 224 с.

92. Тюрин, Ю.Н. Математическая статистика: учебник для вузов [Текст] / IO.II. Тюрин, Э.К. Лецкий. - М: МГТУ им. Н.Э. Баумана, 2001. - 424 с.

93. Метрология и радиоизмерения: учебник [Текст] / под ред. В. И. Нефедова. - 2-е изд., перераб. - М. : Высшая школа, 2006. - 526 с.

94. Хемминг, P.B. Цифровые фильтры [Текст] / пер. с англ. В.Е. Ермишина, под ред. проф. A.M. Трахтмана - М.: «Советское Радио», 1980. - 113 с.

95. Рабинер Л.,Гоулд Б. Теория и применения цифровой обработки сигналов [Текст] / М. - Мир. -1978. - 545 с.

96. Романов, Ю.Ф. Систолические мультигистограммные и разрядно-срезовые процессоры ранговой фильтрации [Текст] / Ю.Ф. Романов, А.Ю. Тропченко, K.M. Юсупов // Известия вузов СССР. Приборостроение. -1991. -т.34. - № 12. -с.26 - 30.

97. Пухальский, Г. И., Новосельцева Т.Я Проектирование дискретных устройств на интегральных микросхемах: Справочник. [Текст] / Г.И. Пухальский, Т.Я. Новосельцева. - М.: Радио и связь, 1990.

98. Тропченко А.Ю., Романов Ю.Ф. Алгоритмы быстрого преобразования Хартли при различных основаниях и конвейерные структуры для их реализации //Известия вузов. Приборостроение. - 1993. - т.36,- № 4. -с.25-30.

99. Уидроу Б., Стирнз С. Адаптивная обработка сигналов//-М. - Радио и связь. - 1989, - 440 с

ФЕДЕРАЛЬНАЯ СЛУЖБА ПО ИНТЕЛЛЕКТУАЛЬНОЙ СОБСВЕННОСТИ. ПАТЕНТАМ И ТОВАРНЫМ ЗНАК А VI (РОСПАТЕН1)

ФЕДЕРАЛЬНЫЙ ИНСТИТУТ ПРОМЫШЛЕННОЙ СОБСТВЕННОСТИ

Ьсрелковскпя наб 1 (Окори 1 М(хьи I I 1СП-3 {етефоп (4ЧЧ; 240 60Ь Тстскс 114818 ПДЧ РомиПскал Федерация___Факс. (493) 631К

УВЕДОМЛЕНИЕ О ПОСГУШ1ЕНИИИ РЕГИСТТАЦ11И ЗАЯВКИ

I 10*112014 " "072.446 | 2014144918 ^ " 'IМА140284779

)__ _ _ Дата пос1г\пиния Вхооьщчи Л» ¡\^истрл1шш1,ыи ЛсхоОрщм У'

Ш \ ПО(. (\Ц И НИН

РрИГИНа. ОН ПКЛЧ1Н О) 11ЯГМ1

(2ПРШК 1РШИОШ1ЫПЛ> В\(> 1ЯШШ1 .V

(45^ I V IIIР1 ВОТЧ ч^ шаро">о( 1 к 1М1 п I и ии«1 < I тот ч>

□Лй и.т/щис нныы х>щр чсжо^т,) / ишилип чаги ,МСУС \иаП1Ки':и >и>г,; га \ тпи I "-л п; > 1 ^ ><*-,кп и м) ОТ

□Л"7' чт\ир и ост о \и эгЛ-'1 ,ю > (ПК лн тш ии^т * О ^(Ьпй 1 мвки) СП

3\ЯВ1ПШ1

о внпчс патента Роинйской Фе^рацни на ишопни чо к н

V С 11Я ПЫ'1 ШК КИ 1!Ю нын по ш 0(чч ю; ^ м

ит ¡кшнотшк <0ре а<*у;}

Росписи* Фс мрл.н« "учО-ЗД об 1 К\[с1.и > Ч.рск V. 5" Л;гОиьбр1 л /4 ¡031 V VII? (Л^СчО оЫ Кигы. ^а I. к «к и! <0 1.е10к1лт> м а о; и I Ш,

Тс 1с ¡к» • (47;2)<'47>ЧФ»к I пи!

1! Фсщни их« I »аА но шт 1 икм I н ной птс пнпнос >" иаиным п юкарннм )и 1кам 1>гр1лкигнк.1я и |б и 30, юрн I, Москва I 1С И 3 12?!)!)?. Росспись-ш Феюртин

(<Ч) н чзвлинь ПОЛЬзнон модь. ш

^ цифрою» о шобрлл ши* __

¡(71) ЗАЯВШ ЕЛЬ (Укашмипся натм имя |ш шинтям ше > .с/1 > I <р> Лт < «лот Ъоьу \iehni)) \tccftl0 .ж'итг.'ьстга 1лн ю нлхруедгкия, в^'.н!; нтсати ипг) шы и по тий по тюеый лфс ^

Федерал! нее их-ударстггнног лтти гтшх. обриоз 1ТСИ.> о< V |ргим<иие иь сшг профессионального обриотти Юк> Ч пиный гос>з р(,гвениый \ 11 ирсиич (103! ; > |(Ге4ега!пос ¿агчлештс Ьуий/Лито!. оЬга/оча1«1пос! «Ьге/юсшс |;гоЛ:5'110!ш1пй§о оЬ1а^ащ\а *\и80 2»ри1п%) ^аг-.пепт) Л 1/01!)

|Росси!!скIX Фоерзшо 305040, обл К>р1«ая г К\рск \л 50пст0п»5ря 1 94 (V)«МО.оМ КигеКвуа £ Kursk.nl 50%Окм.Ьпа .1 0»,

О! 1'Н

1 Я4Гта 157X0

Ухай!»« ища «мястл

р гхк.>я4рст»синым адкдпиьом О мунт ¡тпьным »1«.шкоч «спо1Н1ш,1в работ

I

О «V 101НИ1Х рдГкч I о О гол и,рст»сштч\ □ мчит ипл!> ымч 1.0!|1,нкт> там! ¡ик ¡забот

Кмгтрнг ог N

КОДсфанс по ир!\

воисьтз

(<?С111 ОН )11?и1НОГ п >1

(74) ПРЬДС!ЛВИ1 Ь.К>(|1) 4 \ЯШЧ 1.1» Vк >»кнос(ыо) ии*г назначено

(на«на ины) ыянпслсч (з^явше жми; »впани» ют по но IV ¡ешно шснтлн ею{»1ч) п\)<||« вФе ирллыюН служб« ( о нчю юктуатыюП собственности патента« п товарным ¡пакам _

Фам| жя имя отчество (спи шю имеггс*) Лрачнова 1еорг<ешм

\лрч

ЗОчМО обт Куревдч I Кср^.у | 50.к-Октября ч 94, кв ЮЗ|Л! \ИИ

|Яи мется

И П П£!ННи|Ч(И) ИОВ««) чы (и) О Иным ¡федаавапх-'еч Тс тефои -7(47 2)5017Ь8 Факс

Срс к п^лаоин.пы.гы

(юпо^н^гтсч ь чг пин <ен ш им о ' ¡ткпиеитеы 6ч п/н оетолннил дыюренности)

га|1 ______

РсгисфтиноиннЯ^) ном;р(а) патснтаого(ых) потгрсшюго ы\) 107-9

«УТВЕРЖДАЮ»

ООО «Скинер»

Генеральный ди[

леипип

Л КГ

опытно-промышленных испьпании усчройсгва обработки изображении

Научно-техническая комиссия в составе:

сосчавила наеюящий ак! о юм, чш по материалам дпссерищионпых исследований Мишина Александра Борисовича были проведены ош,и непромышленные испытания устройства, реализующего предложенные и диссертационной рабоге мешд и алгоршм фплыратш. полючяюшие повыешь качество обрабенки изображении.

В ходе опы I по-промышлепных испьпании усгаповдено, чю предложенный ¡мюршм филы рации июбражений позволил обеспечить увеличение отношения сигнал-шум па обрабатываемых изображениях в 1,1 раз.

Рсчулькиы проведенных испытаний рекомендуются к внедрению в комплексе инженерно-технических средств обработки впдеоиюбражений для повышения эффективности его рабош. ^

Данный ак] не можеч служитъ основанием для Апшапстых расчетов между организациями.

11редседа)ель комиссии: ч [ены комиссии:

К.В Чирков ШО. Чистяков А.Л, Волошинов

11редседа(ель комиссии: Члены комиссии:

К.В Чирков П.10. Чистяков А.А Волошинов

«УТВЕРЖДАЮ»

с) внедрении результа

Мишина Александра Борисовича

Научно-техническая комиссия в составе;

председатель комиссии: Генеральный директор ООО «СКИ11НР»

С.И.Сметании

и члены комиссии:

Директор ООО «СКИНЕР» К.В.Чирков, 1 лавнын инженер ООО «СКИ11ЕР» П.Ю.Чистяков

составили насюящнй акт о том, что результаты дисееришионной рабо!ы. а именно:

-метод и алгоритм повышения качества обработки изображений, получаемых на основе КМОП-видеодатчиков;

-решения по программной реализации разработанных алгоршмов для обработки изображений, получаемых на основе КМОП-видеодатчиков

внедрены в процесс разработки изделия «Трамплин-ВЛ». позволяя повысить качество проектирования и эффективность комплекса инженерно-технических средств обработки видеоизображений; сократить время на этапе выбора рационального варианта построения комплекса инженерно-технических средств системы обработки видеоизображений.

Данный акт не может служить основанием чля Финансовых оасчетов между ор! анн нациями.

УТВЕРЖДАЮ

Генеральный директор ЗЛО «ПЛСИТ»

12" марта:

АКТ

о внедрении результатов диссертационных исследований Мишина Александра Борисовича

Комиссия в составе:

председателя комиссии: заместителя генерального дирскчора но науке,

к.т.н. Воробьева В.Л.,

и членов комиссии: заместителя генерального директора по

составила настоящий акт о том, что результаты диссертационных исследований Мишина Александра Борисовича имеют практическую ценность. При проектировании оптико-электронной системы контроля безопасное I и ЗАО «11АСИТ» внедрены:

- разработанный автором атгоритм повышения качества обработки изображений, получаемых на основе КМОП-видеодатчиков;

- про! раммные решения по реализации указанного алгоритма в составе адаптивного устройства обработки изображений.

Настоящий акт не может служить основанием для финансовых расчетов.

спецтематике Линиика А.М.,

инженера-программиста, к.т.н. Литвина С.А

/

Предссда¡ель комиссии:

В.Л. Воробьев

-т

Члены комиссии:

' Г1 / А.М. Линник

С.А. Литвин

АКТ

о внедрении результатов диссертационной работы A.b. Мишина в учебный процесс

Комиссия в составе начальника учебно-методического управления к.т.н., доцента A.C. Романченко, д.т.н.. профессора, зав. кафедрой вычислительной техники B.C. Титова, к.т.н., доцента, доцента кафедры вычислительной техники ML И Груфанова составила настоящий акт о том, что результаты диссертационной работы Л.Б. Мишина, внедрены в учебный процесс кафедры вычислительной техники при проведении занятий по дисциплинам «Цифровая обработка и анализ изображений», «Современные проблемы науки и производства».

Начальник учебно-методического управления

к.т.н., доцент ' A.C. Ромаиченко

Зав. кафедрой ВТ, д.т.н., профессор

"М

B.C. Титов

Доцент кафедры ВТ, к.т.н., доцент

М.И. Труфанов